• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.11a
• /
• pp.701-704
• /
• 2006

산업 발전에 따라 생활은 점차 편리해지고 각종 질병들에 대한 위험도 점차 높아지고 있다. 인간의 생명을 위협하는 위험한 질병 중에는 사전에 예방하지 않으면 돌이킬 수 없는 사태로 확산되기도 하지만 바쁜 현태인들에게는 자신의 건강상태를 사전에 파악하고 관리하기 힘든 실정이다. 이에 유비쿼터스 환경에 접어든 IT기술을 바탕으로 의료진단 및 예방 시스템을 구축하여 실요자들이 센서를 통해 컴퓨터를 직접 이용하지 않더라도 자신의 건강상태를 유지 관리할 필요가 있다. 그러므로 본 논문에서는 이와 같이 유비쿼터스 환경으로 변화해가는 기술적 변화를 바탕으로 의료 진단 및 예방이 가능한 시스템 구축을 위한 모델로서 뇌혈관 질환에 대한 모델을 제시하고자 한다. 또한, 이를 통해 향후 구축하고자 하는 u-헬스 케어 의료진단 시스템 구축 모델에 활용하고자 하며, 본 모델을 통해 의료정보를 활용한 산업 발전과 인류의 편이성 증대 및 건강상태의 주기적 검사를 통해 향상된 복지문화를 유도할 수 있을 것이다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.18 no.6
• /
• pp.1331-1336
• /
• 2023

In text-based fish disease classification using machine learning, there is a problem that the input parameters of the machine learning model are too many, but due to performance problems, the input parameters cannot be arbitrarily reduced. This paper proposes a method of optimizing input parameters specialized for Paralichthys olivaceus disease classification using SHAP analysis techniques to solve this problem,. The proposed method includes data preprocessing of disease information extracted from the halibut disease questionnaire by applying the SHAP analysis technique and evaluating a machine learning model using AutoML. Through this, the performance of the input parameters of AutoML is evaluated and the optimal input parameter combination is derived. In this study, the proposed method is expected to be able to maintain the existing performance while reducing the number of input parameters required, which will contribute to enhancing the efficiency and practicality of text-based Paralichthys olivaceus disease classification.

• Annual Conference on Human and Language Technology
• /
• 2018.10a
• /
• pp.550-551
• /
• 2018

바이오마커는 체내의 상태 및 변화를 파악할 수 있는 지표이다. 이는 암을 비롯한 다양한 질병에 대하여 진단하는데 활용도가 높은 것으로 알려져 있으나, 새로운 바이오마커를 찾아내기 위한 임상 실험은 많은 시간과 비용을 소비되며, 모든 바이오마커가 실제 질병을 진단하는데 유용하게 사용되는 것은 아니다. 따라서 본 연구에서는 자연어처리 기술을 활용해 바이오마커를 발굴할 때 요구되는 많은 시간과 비용을 줄이고자 한다. 이 때 다양한 의미를 가진 어휘들이 해당 질병과 연관성이 높은 것으로 나타나며, 이들을 분류하는 것은 매우 어렵다. 따라서 우리는 Word2Vec과 가우시안 혼합 모델을 사용하여 바이오마커를 분류하고자 한다. 실험 결과, 대다수의 바이오마커 어휘들이 하나의 군집에 나타나는 것을 확인할 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06b
• /
• pp.492-494
• /
• 2012

MicroRNAs(miRNAs)는 mRNA의 발현량을 조절하여 단백질 생성량에 영향을 주는 것으로 잘 알려져있다. miRNA의 데이터베이스는 실험으로 증명된 결과를 중심으로 구성되어 있다. 하지만 miRNA 데이터베이스는 miRNA가 대상으로 하는 유전자 정보에 초점을 맞추고 있어서 그 이상의 질병정보를 얻기에는 어려움이 있다. 본 논문에서는 miRNA와 Protein-Protein Interaction(PPI) 통합 모델을 설계하여 miRNA의 의미적 확장 방법을 제시하고 있다. 또한 Online Mendelian Inheritance in Man(OMIM)을 이용한 miRNA, PPI, 관련 질병, 질병 표준화 관계의 확장방법을 찾아보았다. 이러한 접근 방법은 이형 데이터베이스를 연결하여 하나의 생물학적 시야를 제공할 수 있을 것으로 기대된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.707-708
• /
• 2024

최근 디지털 헬스케어 기술과 서비스가 널리 활용되면서 의료 인공지능 성능 향상에 대한 관심이 높아지고 있다. 그러나 양성 데이터 대비 질병 데이터가 희소하여 학습 과정에서 과적합이 발생하거나 질병 예측 모델의 성능이 떨어진다는 한계가 있다. 본 논문에서는 데이터가 균질하지 않은 상황에서 생성형 인공지능 모델을 사용하여 합성 데이터를 생성하는 방안을 제안한다. 실험 결과에 따르면, 종래 방법 대비 제안한 방법의 정확도가 약 5.8% 향상되었고, 재현율이 약 21% 개선되었다.

• Journal of Convergence Society for SMB
• /
• v.5 no.4
• /
• pp.17-23
• /
• 2015

Due to the development of information and communication technology as health care service is popular variety utilizing bioinformatics patient information services are being provided to the patient. In particular, the healthcare utilizing bioinformatics information, and change in a variety of healthcare trends. However, healthcare services using bioinformatics information of the patient and the complexity of the disease, new diseases (SARS, AIDS, etc .) due to the emergence of increasing health care costs and health promotion services provided to patients may not be smooth. In this paper, we propose a model for low-cost health services and medical care of patients bioinformatics fast access to information. The proposed model can be so big a bioinformatics data formation by the patient's patient information anytime / anywhere providing medical services in the home or the nearest hospital for their own disease management. In particular, the proposed model of health care services is characterized improve work efficiency, reducing the burden on hospitals by passing a medical illness to easily analyze patient information.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06a
• /
• pp.1-3
• /
• 2006

대사증후군은 당뇨병, 고혈압, 복부 비만, 고지혈증 등의 질병이 한 개인에게 동시에 발현하는 것을 말하며, 최근 경제여건의 향상 및 식생활 습관의 변화와 함께 우리나라에서도 심각한 문제가 되고 있다. 한편 불확실성의 처리를 위해 많이 사용되는 베이지안 네트워크는 사람이 분석 가능한 확률 기반의 모델로 최근 의학분야에서 질병의 진단이나 예측모델을 구성하기 위한 방법으로 유용하게 사용되고 있다. 베이지안 네트워크의 구조를 학습하는 대표적인 알고리즘인 K2 알고리즘은 속성이 입력되는 순서의 영향을 받으며, 따라서 이 또한 하나의 주제로써 연구되어 왔다. 본 논문에서는 유전자 알고리즘을 이용하여 베이지안 네트워크에 입력되는 속성 순서를 최적화하며 이 과정에서 의학지식을 적용해 효율적인 최적화가 가능하도록 하였다. 제안하는 모델을 통해 1993년의 데이터를 가지고 1995년의 상태를 예측하는 분류 실험을 수행한 결과 속성 순서 최적화 후에 이전보다 향상된 예측율을 보였으며 또한 다층 신경망, k-최근접 이웃 등을 이용한 다른 모델보다 더 높은 예측율을 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.334-337
• /
• 2020

코로나감염-19, 사스, 메르스 등 바이러스성 질병이 전세계적으로 확산되어 많은 인구가 감염되어 왔다. 바이러스성 질병의 확산 예측 및 종결을 위해 실제 감염자 데이터를 기반으로 한 시뮬레이션 연구는 반드시 필요하다. 본 연구는 지역 내 클러스터 감염 시뮬레이션을 위한 바이러스 감염모델을 제안한다. 제안하는 모델은 여러 개의 셀로 구성되어 있으며, 각 셀은 군집을 표현하고 있다. 본 논문에서 제안한 모델은 실제 데이터를 기반으로 하여 정확도가 높으며, 이를 바탕으로 향후 지역의 특성을 반영한 전파 시뮬레이션 혹은 지역 간의 전파를 예상하는 시뮬레이션의 기초로 사용될 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.11a
• /
• pp.720-723
• /
• 2017

돼지 호흡기 질병은 돈사에 막대한 경제적 손실을 초래하는 질병들 중 하나이다. 본 논문에서는 저비용으로도 구축이 가능한 소리 센서 기반의 돼지 호흡기 질병 탐지 시스템을 제안하며, 특히 잡음 환경에서도 강인한 시스템의 구성에 초점을 두었다. 제안하는 시스템은 먼저, 돈사 내의 소리 센서로부터 취득한 돼지 소리를 2차원 회색조 이미지로 변환한다. 이후, 잡음에 강인한 성능을 보이는 Dominant Neighborhood Structure(DNS) 알고리즘을 이용하여 질감정보를 추출한다. 마지막으로, 이미지 분류에서 그 성능이 이미 입증된 딥러닝의 대표적 모델인 Convolutional Neural Network(CNN)에 사용하여 돼지 호흡기 질병을 탐지 및 분류한다. 실제 국내 돈사에서 취득한 돼지 소리를 이용하여 제안하는 시스템의 성능을 실험적으로 검증한 바 96%가 넘는 안정적인 시스템임을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.836-838
• /
• 2022

반려동물 시장 및 동물 의료분야의 성장, 동물병원 이용 과정 개선의 필요성으로 반려동물 질병의 시작부터 끝까지 전 과정을 함께하는 원스탑 모바일 애플리케이션을 개발하였다. 증상으로 예상 질병을 진단하는 머신러닝 모델과 자연어 문장을 인식하는 딥러닝 챗봇으로 사용자가 편리하게 반려동물 이상 증상에 대한 예상 질병을 챗봇으로 상담할 수 있도록 구현하였다. 챗봇 시스템을 기반으로 '예상 진단', '질병백과', '문진표', '동물병원' 기능을 추가하여 일관된 기능들로 유기적인 서비스를 구성하였다.